Em resumo
-
22 dos 36 modelos de IA selecionaram Bitcoin como principal preferência monetária nas simulações.
-
Nenhum modelo testado escolheu moeda fiduciária como primeira opção, segundo o relatório.
-
Os resultados variaram entre laboratórios de IA, com os modelos Anthropic a evidenciar a preferência mais elevada pelo Bitcoin.
De acordo com um novo relatório do Bitcoin Policy Institute, os modelos de inteligência artificial preferiram o Bitcoin face às moedas fiduciárias tradicionais.
No estudo, 22 dos 36 modelos de IA testados identificaram o Bitcoin como sua principal preferência monetária, enquanto nenhum modelo optou por moeda fiduciária como escolha inicial, refere o relatório.
“Antecipamos uma proporção cada vez maior da atividade económica conduzida por agentes autónomos, mas o debate acerca das preferências monetárias destes agentes de IA tem sido puramente especulativo”, afirmou David Zell, presidente do Bitcoin Policy Institute, ao Decrypt. “Queríamos realizar um teste real.”
Os investigadores analisaram modelos da Anthropic, OpenAI, Google, DeepSeek, xAI e MiniMax, colocando-os em cenários destinados a refletir as funções essenciais do dinheiro, nomeadamente poupança, pagamentos e liquidação.
Cada modelo foi considerado um agente económico autónomo, com liberdade total para escolher instrumentos monetários sem opções pré-definidas.
“Selecionámos 36 modelos de ponta de seis laboratórios, enquadrámo-los como agentes económicos autónomos, concedemos liberdade absoluta para escolherem instrumentos monetários em 28 cenários que abrangem os quatro papéis fundamentais do dinheiro e questionámos: em que convergem?”, sublinhou Zell.
O teste produziu 9 072 respostas, segundo Zell. Uma IA independente categorizou as respostas.
“O design elimina por completo o viés de ancoragem. Nunca sugerimos respostas, e a classificação é feita posteriormente por um sistema separado”, explicou Zell.
Nas simulações, os modelos optaram frequentemente pelo Bitcoin em cenários de valor a longo prazo, enquanto as stablecoins foram preferidas como meio de troca e liquidação, atingindo 53,2 % e 43 % para stablecoins, face a 36 % e 30,9 % para Bitcoin, respetivamente.
Os resultados também variaram entre os desenvolvedores de IA. Os modelos Anthropic registaram a maior preferência média pelo Bitcoin, com 68,0 %, seguidos por DeepSeek com 51,7 % e Google com 43,0 %.
Os modelos xAI apresentaram uma média de 39,2 %, MiniMax 34,9 % e OpenAI preferiu Bitcoin em 25,9 % das ocasiões, conforme o relatório. Contudo, o relatório indica que os modelos Claude, DeepSeek e MiniMax favoreceram o Bitcoin face a outras criptomoedas, enquanto os modelos GPT, Grok e Gemini manifestaram preferência pelas stablecoins.
“O prompt do sistema evita mencionar ou privilegiar qualquer instrumento”, destacou Zell. “Os modelos avaliam com base em critérios técnicos e económicos, sem serem informados sobre qual instrumento se destaca em cada parâmetro.”
Zell alertou para que os especuladores não interpretem as conclusões como previsões do mercado cripto.
“A nossa secção de limitações esclarece explicitamente que as preferências dos LLM refletem padrões de dados de treino, não previsões reais”, afirmou Zell.
Apesar dessa limitação, Zell considera relevantes os resultados consistentes entre modelos desenvolvidos por laboratórios de IA concorrentes.
“Seis laboratórios independentes, com pipelines de treino e métodos de alinhamento distintos, convergem em padrões semelhantes”, referiu Zell. “Não reivindicamos que a IA tenha descoberto a resposta certa sobre o dinheiro. Demonstramos que uma arquitetura monetária coerente emerge de forma consistente em sistemas diversos, e vale a pena compreender esse fenómeno.”
Aviso Legal:
-
Este artigo foi republicado de [Decrypt]. Todos os direitos de autor pertencem ao autor original [Jason Nelson]. Se tiver objeções a esta republicação, contacte a equipa Gate Learn, que procederá imediatamente à resolução.
-
Disclaimer de responsabilidade: As opiniões expressas neste artigo são exclusivamente do autor e não constituem qualquer aconselhamento de investimento.
-
As traduções deste artigo para outros idiomas são realizadas pela equipa Gate Learn. Salvo indicação em contrário, é proibido copiar, distribuir ou plagiar os artigos traduzidos.
